多重回归培训教案.pptVIP

对中’“ X”，以确保正交 多重回归 - 扭转 检查“ X”和“ Y”之间的关系 交互作用图分析 定义设计 数据表将显示定义DOE的 “ std order”, “ run order”和“ blocks”。要使用“ 分析RS设计”，必须有这些信息。 分析反应面模型！ 会话窗口输出： 重新拟合模型 “未编码数据”的分析RS图 最后，查看等值线图，以找到最佳设置 等值线图 GE Appliances Copyright 1999 9.* * 多重回归 修订版 10 1999年1月11日 第 9部分: 多重回归 第 9部分: 多重回归 目的: 介绍多重回归方程，作为具有多个独立变量工序的可能模型。 目标： 理解多重回归方程式的各个部分-常数和系数(参数) 采用对中概念，确保回归模型为正交 采用残差图评估模型的“ 良好性” 通过观察p值、R2和标准残差变差，评估回归模型。 根据数据得出等值线图，并确定“ X” 的最优状态 什么是多重回归？ 定义连续“ Y” 变量与多重、连续“ X” 变量之间关系的方法 一种基于您提供的数据而建立的工序数学模型 为何要使用多重回归？ 它提供了一种采用线性方程式或二次方程式(含有二次项的方程式)模拟工序的能力 方程的一般形式是什么？ Yi = b0 + b1 * X1i + . . . + bk * Xki + error 注意!! 对于所构建的任何形式的模型，对从模型中得出的结论要倍加小心。在对基准数据进行回归时尤其如此。 如果回归用的是基准数据，您必须运行DOE，以确认模型 (证明这些“ X” 确实控制着 “ Y” ) 多重回归方程式中的“ X” 可以是独立、不等变量，也可以是互相关联，如X12或X1*X2。 如果平方项(X12)显著，而线性项(X1)不显著，该怎么办？在这两项相关联时，如何区别二者的影响？(X1无疑与X12相关联！) 我们必须‘ 转换’ 相关联的“ X” 变量，才能将它们各自对“ Y” 的影响区别开来。转换的方法叫做“对中”。 如何“对中”？ 将每一X值减去该X变量的平均值， 然后， 计算其平方值， 即： 2 让我们举一实例 . . . . 原始数据和对中数据基本正交。这可以区别影响。 要使p值有效，数据必须对中。 对中举例: 数集: X X2 4 16 5 25 6 36 X和X2一起改变 图象显示‘相关系数’ (r) 很大。相关系数表示数据点成直线的程度。对于此组数据，r = .998 (如果完全相关，r = 1.0) 我们希望“ X” 变量独立：r=0 如果X和X2都影响工序，可通过‘ 对中’对它们的影响进行独立研究。 从每个数据点中减去X的平均值： 平均值 = (4+5+6) / 3 = 5 (X - 5) (X - 5)2 -1 1 0 0 1 1 从每个X数据点减去平均值5，得到‘ 对中’ 的数据： 转换过的数据的相关系数是： r = 0.0 - 这两个变量现在已经独立！ 线性效应可通过比较“ X”处于低水平时的“ Y” 值和“ X”处于高水平时的Y值来估计。 二次方或曲线效应可通过比较“ X” 处于中间水平时的Y值和“ X” 处于高水平及低水平时Y值的平均值来估计。 将“ 对中” 数据制成图表： (StatBasic StatisticsCorrelation...可用于计算‘ r ’ 值) MINITAB对数据“ 编码” 时，其实是“ 对中” ，如上例所示。 41 1 5 49 2 5 69 3 5 65 4 5 40 1 10 50 2 10 58 3 10 57 4 10 31 1 15 36 2 15 44 3 15 57 4 15 19 1 20 31 2 20 33 3 20 43 4 20 下例摘自： Richard A. Johnson. Miller and Freund‘s Probability and Statistics for Engineers: Fifth Edition. Prentice Hall. 1994. 的第358页。 目的是估计描述以下变量之间关系的方程式： 元素A的百分比， 元素B的百分比 使锻造合金棒断裂所需的扭转次数 “ 扭转 (twist)” 指Y(响应)变量，“ A” 和“ B” 是X(独立)变量。 在C1中输入“ twists” ，C2中输入“A” ，C3中输入“B”。 C1 C2 C3